Spotter: sistema de identificação de melanoma em imagens de celular

Abstract

Este trabalho tem como principal objetivo desenvolver uma solução voltada para identificação precoce de possíveis características associadas ao câncer de pele, por meio da análise de sinais cutâneos, utilizando a telemedicina. O aplicativo foi desenvolvido para dispositivos móveis, melhorando a acessibilidade à avaliação dermatológica. Ele permite aos usuários identificarem sinais potencialmente preocupantes, democratizando o acesso a análises especializadas. Além de realizar análises, o aplicativo oferece informações sobre o tema, orientando os usuários sobre as próximas ações a serem tomadas ao identificar características que demandam atenção. Há também uma seção interativa para esclarecer dúvidas sobre o processo de avaliação, proporcionando aos usuários uma compreensão mais profunda. No desenvolvimento do algoritmo destinado a identificar com precisão os diferentes tipos de pintas e lesões cutâneas, conduziu-se um estudo envolvendo arquiteturas de aprendizado profundo. Nesse contexto, as redes neurais convolucionais destacaram-se como a escolha mais eficaz. A integração dessas redes, aliada a um tratamento dos dados e à utilização de um modelo previamente treinado, resultou em um resultado robusto. A proposta do trabalho não só se destaca por sua abordagem tecnológica inovadora, mas também pela amplitude informativa que oferece. O aplicativo representa uma ferramenta abrangente e confiável para identificação precoce de possíveis indicativos de câncer de pele, contribuindo significativamente para a promoção da saúde e bem-estar da comunidade.

This work aims to develop a solution focused on the early identification of possible characteristics associated with skin cancer through the analysis of cutaneous signals, using telemedicine. The mobile application was designed to enhance accessibility to dermatological assessments, allowing users to identify potentially concerning signs, democratizing access to specialized analyses. In addition to conducting analyses, the application provides information on the topic, guiding users on the next steps to take when identifying characteristics that require attention. There is also an interactive section to address doubts about the evaluation process, providing users with a deeper understanding. In the development of the algorithm intended to accurately identify different types of moles and skin lesions, a study involving deep learning architectures was conducted. In this context, convolutional neural networks stood out as the most effective choice. The integration of these networks, combined with data preprocessing and the use of a pre-trained model, resulted in a robust outcome. The proposal of the work not only stands out for its innovative technological approach but also for the informative breadth it offers. The application represents a comprehensive and reliable tool for the early identification of possible indicators of skin cancer, contributing significantly to the promotion of health and well-being within the community.